MétaCan
Menu
← Retour à la cohorte
Enregistrement W4210702305 · doi:10.1161/str.53.suppl_1.tp172

Abstract TP172: Clinical And Neuroimaging Predictors Of Dyskinetic Cerebral Palsy

2022· article· en· W4210702305 sur OpenAlexaff
Liam Sanvido, Pradeep Krishnan, Trish Domi, Kirstin Walker, Darcy Fehlings, Amanda Robertson, Ritesh Thapa, Nomazulu Dlamini

Notice bibliographique

RevueStroke · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueNeonatal and fetal brain pathology
Établissements canadiensSickKids FoundationHolland Bloorview Kids Rehabilitation HospitalHospital for Sick ChildrenUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineNeuroimagingCerebral palsyInternal capsuleLesionMagnetic resonance imagingPeriventricular leukomalaciaGestational ageThalamusGross Motor Function Classification SystemPediatricsRadiologyPhysical medicine and rehabilitationSurgeryPregnancyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Background: Dyskinetic cerebral palsy (DCP) is a non-progressive disorder that results from lesions to the developing fetal brain. Neuroimaging patterns and risk factors for DCP in pre-term infants are poorly understood. Furthermore, neuroimaging differences between preterm and term infants with DCP and its relationship to clinical outcomes are not well established. Objectives: 1) To describe neuroimaging differences between term and preterm infants with DCP. 2) To investigate relationships between neuroimaging patterns and clinical motor outcome of infants with DCP. Methods: Patients with DCP were identified through The Cerebral Palsy Network where clinical details and magnetic resonance images (MRI) were collected on children with DCP. To determine lesion volume and location, manual segmentation was performed using ITK-SNAP software by study neuroradiologist. Lesion severity was graded using a semi-quantitative scale for structural MRIs(Laporta-Hoyos et al. 2018) based on the number of lobes and subcortical structures involved. Motor outcomes was assessed with the Gross Motor Function Classification System. Results: Twenty-nine patients with DCP were identified. Preterm infants (n=12, [male= 8, female=4]), and term infants (n=16 term, [male= 6, female=10]) differed in mean gestational age (30.5 versus 39.1 weeks respectively, p=.02). The frequency of periventricular leukomalacia in preterm (89%) and term-born (58%) infants differed (p = 0.02). Lesion severity was associated with: the ventral posterior lateral (VPL) thalamus (r=0.574,p =.01), the posterior limb of the internal capsule (PLIC) (r=0.437p = .04) in term infants, and the right (r = 0.504, p = .01) and left putamen r = 0.629, p = .002) in term infants. Significant negative correlations were found between lesion severity and gross motor function in the VPL thalamus (r= -0.624, p = .001), PLIC (r= -0.735, p < .001), right (r= -0.50, p= .016) and left putamen (r= -0.54 p = .008). Conclusion: Our results suggest the timing of lesions in term-born and preterm infants with DCP are associated with neuroimaging lesion patterns. Involvement of subcortical structures and lesion severity scores were associated with gross motor function in this cohort of patients with DCP.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,293
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStroke→Même sujetNeonatal and fetal brain pathology→Travaux en français237 207→